論文の概要: Optimal training of variational quantum algorithms without barren plateaus

• arxiv url: http://arxiv.org/abs/2104.14543v1
• Date: Thu, 29 Apr 2021 17:54:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-30 13:06:02.623806
• Title: Optimal training of variational quantum algorithms without barren plateaus
• Title（参考訳）: バレンプラトーを持たない変分量子アルゴリズムの最適トレーニング
• Authors: Tobias Haug, M.S. Kim
• Abstract要約: 変分量子アルゴリズム(VQA)は、短期量子コンピュータの効率的な利用を約束する。 量子状態学習のためのVQAを最適に訓練する方法を示す。 量子機械学習におけるガウスカーネルの応用を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Variational quantum algorithms (VQAs) promise efficient use of near-term quantum computers. However, training these algorithms often requires an extensive amount of time and suffers from the barren plateau problem where the magnitude of the gradients vanishes with increasing number of qubits. Here, we show how to optimally train a VQA for learning quantum states. Parameterized quantum circuits can form Gaussian kernels, which we use to derive optimal adaptive learning rates for gradient ascent. We introduce the generalized quantum natural gradient that features stability and optimized movement in parameter space. Both methods together outperform other optimization routines and can enhance VQAs as well as quantum control techniques. The gradients of the VQA do not vanish when the fidelity between the initial state and the state to be learned is bounded from below. We identify a VQA for quantum simulation with such a constraint that can be trained free of barren plateaus. Finally, we propose the application of Gaussian kernels for quantum machine learning.
• Abstract（参考訳）: 変分量子アルゴリズム(VQA)は、短期量子コンピュータの効率的な利用を約束する。 しかし、これらのアルゴリズムの訓練には膨大な時間が必要であり、量子ビット数の増加とともに勾配の大きさが失われる不毛高原問題に苦しむ。 本稿では,量子状態学習のためのVQAの最適トレーニング方法を示す。 パラメータ化量子回路はガウス核を形成することができ、勾配上昇に対する最適適応学習率を導出する。 パラメータ空間における安定性と最適運動を特徴とする一般化量子自然勾配を導入する。 どちらの手法も他の最適化ルーチンよりも優れており、量子制御技術と同様にVQAを強化することができる。 VQAの勾配は、初期状態と学習すべき状態の間の忠実さが下から有界であるときに消えることはない。 量子シミュレーションのためのvqaを、不毛高原から解放されたトレーニングが可能な制約で特定する。 最後に,量子機械学習へのガウスカーネルの適用を提案する。

関連論文リスト

• Efficient charge-preserving excited state preparation with variational quantum algorithms [33.03471460050495]
  本稿では、対称性と対応する保存電荷をVQDフレームワークに組み込むために設計された電荷保存型VQD(CPVQD)アルゴリズムを紹介する。 その結果、高エネルギー物理学、核物理学、量子化学への応用が示された。
  論文  参考訳（メタデータ） (2024-10-18T10:30:14Z)
• Adaptive quantum optimization algorithms for programmable atom-cavity systems [6.508793834090864]
  光キャビティ内のコールド原子は、プログラム可能なオール・ツー・オール相互作用を持つ普遍量子として構築可能であることを示す。 標準量子近似アルゴリズム(QAOA)の成功確率は問題の大きさとともに急速に低下する。 反断熱駆動にインスパイアされたQAOAの適応アンサッツを提案し,NPPハミルトンのパラメータ自由度を高次反断熱項に一致させる。
  論文  参考訳（メタデータ） (2024-06-11T08:37:31Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• QNEAT: Natural Evolution of Variational Quantum Circuit Architecture [95.29334926638462]
  我々は、ニューラルネットワークの量子対する最も有望な候補として登場した変分量子回路(VQC)に注目した。 有望な結果を示す一方で、バレン高原、重みの周期性、アーキテクチャの選択など、さまざまな問題のために、VQCのトレーニングは困難である。 本稿では,VQCの重みとアーキテクチャの両方を最適化するために,自然進化にインスパイアされた勾配のないアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-14T08:03:20Z)
• Quantum Imitation Learning [74.15588381240795]
  本稿では、量子優位性を利用してILを高速化する量子模倣学習(QIL)を提案する。 量子行動クローニング(Q-BC)と量子生成逆模倣学習(Q-GAIL)という2つのQILアルゴリズムを開発した。 実験結果から,Q-BCとQ-GAILの両者が,従来のものと同等の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-04-04T12:47:35Z)
• TeD-Q: a tensor network enhanced distributed hybrid quantum machine learning framework [59.07246314484875]
  TeD-Qは、量子機械学習のためのオープンソースのソフトウェアフレームワークである。 古典的な機械学習ライブラリと量子シミュレータをシームレスに統合する。 量子回路とトレーニングの進捗をリアルタイムで視覚化できるグラフィカルモードを提供する。
  論文  参考訳（メタデータ） (2023-01-13T09:35:05Z)
• Alternating Layered Variational Quantum Circuits Can Be Classically Optimized Efficiently Using Classical Shadows [4.680722019621822]
  変分量子アルゴリズム(VQA)は、古典的ニューラルネットワーク(NN)の量子アナログである。 本稿では,VQAのトレーニングコストを指数的に削減したトレーニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-08-24T15:47:44Z)
• Fundamental limitations on optimization in variational quantum algorithms [7.165356904023871]
  そのような短期量子アプリケーションを確立するための主要なパラダイムは、変分量子アルゴリズム(VQA)である。 このようなランダム回路の幅広いクラスにおいて、コスト関数の変動範囲は、高い確率で量子ビット数で指数関数的に消えることを示す。 この結果は、勾配に基づく最適化と勾配のない最適化の制約を自然に統一し、VQAのトレーニングランドスケープに余分な厳しい制約を明らかにすることができる。
  論文  参考訳（メタデータ） (2022-05-10T17:14:57Z)
• Adiabatic Quantum Graph Matching with Permutation Matrix Constraints [75.88678895180189]
  3次元形状と画像のマッチング問題は、NPハードな置換行列制約を持つ二次代入問題(QAP)としてしばしば定式化される。 本稿では,量子ハードウェア上での効率的な実行に適した制約のない問題として,いくつかのQAPの再構成を提案する。 提案アルゴリズムは、将来の量子コンピューティングアーキテクチャにおいて、より高次元にスケールする可能性がある。
  論文  参考訳（メタデータ） (2021-07-08T17:59:55Z)
• Unitary Block Optimization for Variational Quantum Algorithms [0.0]
  ユニタリブロック最適化スキーム(UBOS)を記述し、2つの変分量子アルゴリズムに適用する。 VQEの目標は、古典的に抽出可能なパラメータ化量子波動関数を最適化し、ハミルトニアンの物理的状態をターゲットにすることである。 さらに、UBOSが現実および想像上の時間進化にどのように適用されるかについても述べます。
  論文  参考訳（メタデータ） (2021-02-16T19:00:05Z)
• Quantum circuit architecture search for variational quantum algorithms [88.71725630554758]
  本稿では、QAS(Quantum Architecture Search)と呼ばれるリソースと実行時の効率的なスキームを提案する。 QASは、よりノイズの多い量子ゲートを追加することで得られる利点と副作用のバランスをとるために、自動的にほぼ最適アンサッツを求める。 数値シミュレータと実量子ハードウェアの両方に、IBMクラウドを介してQASを実装し、データ分類と量子化学タスクを実現する。
  論文  参考訳（メタデータ） (2020-10-20T12:06:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。